Ads
d 人要扮勁無計 :^(
具體野唔會講得出,剩係話自己讀乜鳩PhD, 係邊到邊到做咁
讀乜鳩PhD都叫扮勁,話人講唔出 :^(
你睇就有份,下下都係要人由頭到尾講俾你講到明,其實網上都有唔少資訊有人寫關於佢既文章,一定講得比我好,而且我都冇咁既時候去寫長文解釋
AlphaGo用既主要idea係deep reinforcement learning with Monte Carlo tree search, 結果同成個methodology係Nature上面發表左超過一年,如果你係大學生可以免費download嚟睇
你想學最多既野,一定係自己主動去搵嚟睇,慢慢理解,你可以選擇速食,但之後你好快就唔記得
如果有咩得罪,係度講句唔好意思
alphago 上年已經睇左啦,咁基本野睇完又要拎出嚟晒?
你無野係到貢獻就直接出去啦,留個讀乜鳩PhD 係到有咩意義?你又浪費時間,我又無得著
唯一推論咪就係有人想晒命,認叻囉
如果有咩得罪,係度講句唔好意思
我講我讀PhD係因為我批評人都要有理據 如果我係乜都唔識就話人就係我唔啱
你覺得係基本既paper唔代表其他人睇過,更加唔係咩晒
我覺得雖然我對呢方面識得多過人,但我學得越多就覺得自己識得越少,所以唔覺得PhD係乜野晒命認叻
你批評人既理據就係你讀phd? :^( :^(
邊個professor 教你?
我從來未見過一個professor 表達意見既時候提出既理據就係佢係professor 囉(支那除外)
你d 咁既權威性人格,我好懷疑你做research 既能力囉
多口講句,你曲解咗人哋意思。佢好明顯講緊話自己讀PhD係想識多啲嘢,從而有咁嘅知識底可以評論姐。。
利申agent仔一名
CNN 最強大係個C字 :^(
明嘅就會明
利申: 玩過下mnist, 想應用係medical方面但prof唔想我咁做 :^(
我明Monte Carlo Tree Search
但係有無人可以解釋下點解個Convolution Network可以做到人類個種intuition?
Ads
前者只係簡單既regression, machine learning一早已經做緊
而後者,其實都只係multiple of multilayer neural network, 將所有方面既知識串連埋一齊再得出答案
你會話,唔係喎,人不斷重覆諗同一個問題,會有時可以創新到方法,而ai 每次都會得出同一個答案。但其實只係人會每次都evaluate 自己個答案既滿意度再feedback 番去自己個neural network 到做training。 而machine learning 一般唔會咁做只係想個result controllable, 同埋無咁易俾d poison (有意/無意)data 影響,而留待下一次做batch training 先version upgrade
而且其實呢個係人既弱點,因為好易俾人洗腦,只要不斷重覆講一個大話一百次,一千次,人就會不知不覺間信左
人之所以好似好強大,創新力比ai 強係因為人真係有個非常大既neural network,每個cluster of nodes 都掌管唔同知識,但卻可以同時對所有input 作出反應,而且係每次input 都自動調整每個cluster of nodes 既weight
目前黎講machine learning 仲未有咁既computing power 去模擬呢樣野
或者咁講,其實可能已經有咁既computing power, 但一般由於效率比單一用途既machine learning低,暫時未有人倒足夠既錢落海去做呢樣野
其實見到google 搞cloud 就好明顯係想做呢樣野,因為佢想偷d 用家用剩既computation time 黎用, 成本基本上係cloud 既用家俾,但只要cloud 用家越黎越多,google 賺到既computing power 就越多
CNN 最強大係個C字 :^(
明嘅就會明
利申: 玩過下mnist, 想應用係medical方面但prof唔想我咁做 :^(
而家乜鬼都用 neural network,個人嚟講真係唔係幾中意雖然設計個 architecture係好花功夫,亦有好多additional layer去令到 performance 更加好,但我硬係覺得,呢樣嘢係一個 black box,人類嘅智慧係無限嘅data入邊真係不值一提,好似諗到咩新嘢,都唔會夠 neural network 嚟咁 :^( :^( :^( :^(
Ads
太長,唔quote 無夢人
一。你會唔會太睇高左人腦呢?其實人腦好多時都好唔efficient,要分玩具車,真車,漫畫車係咪真係幾張相就得呢?你可以試下俾一個細佬仔去分,依家d 日日對住部iPad 既細佬除時分唔到現實同二次元,你作為一個成年人能夠輕易分辨到係因為你已經係過去睇過無數既真車,玩具車,漫畫車,而且唔止係咁,你仲睇過好多真船,玩具船,漫畫船,真實環境,玩具場境,漫畫背景,etc
你有非常多既feature 去分辨真,玩具,漫畫,而且仲係以年為單位既training data
人腦既強大之處係在於其實每次input 都係將五感所感受到既野同時輸入,而且仲會對前後場景同時作出分析,預估完先會對現在呢一刻既問題作出回答,所有種類既問題都係同一個neural network 作出回答。 唔知你有無試過突然聽唔到人地講野成句句子入面既某一個詞語,對方重覆幾次都仲係聽唔到,呢種情況特別容易發生係你唔熟悉既topic。因為人腦唔單單係聽果個詞語既音頻黎分析,重會跟對象,前文後理黎判斷。所以當對方講一個唔係你expect 範圍內既詞語你會突然理解不能(雖然果個詞語單獨黎講你係識既)
人腦其實係一個極典型under fitting 既例子,所以人腦對一d noise 極少甚至無noise 既問題 efficiency 係極低(e.g. 數學運算)
而人腦真正強大既係power efficiency, 用極少能量已經可以做到極大量計算
人腦同ai 各有好處,無乜必要去誇大人腦既強項